1. 获取超链接
python获取指定网页上所有超链接的方法
links = re.findall(b’”((http|ftp)s?://.*?)”’, html)links = re.findall(b’href=”(.*?)”’)
html 为 url 返回的 html 内容,可通过以下方式获取
html = urllib.request.urlopen(url).read()html = requests.get().text
2. 下载指定文件到指定路径
比如我们要爬取http://courses.cs.vt.edu/~cs2704/fall01/Notes/
链接下的所有 pdf 文件:
#coding: UTF-8import requestsfrom urllib import requestimport reimport osurl = 'http://courses.cs.vt.edu/~cs2704/fall01/Notes/'r = requests.get(url)files = re.findall('href="(.*?)"', r.text)for file in files[1:]:request.urlretrieve(os.path.join(url, file), os.path.join('D:/data/', file))